王小雷-多面手

Python Base of Scientific Stack（Python基础之科学栈）1. Python的科学栈（Scientific Stack）NumPy NumPy提供度多维数组对象，以存储同构或者异构数据；它还提供操作这一数组对象的优化函数/方法。SciPy SciPy是一组子库和函数，实现科学或者金融中常常需要的重要标准功能；Matplotlib Matpl

基于Python3的神经网络实现，实现从数据集生成到逻辑回归，再到3层神经网络实现，说明了实现原理和基础的理论知识，最后，通过多层次拟合说明了拟合程度的利弊。本项目的展示方式是Python的jupyter notebook。

解决nbconvert failed: Pandoc wasn’t found.解决nbconvert failed: pdflatex not found on PATH问题1描述500 : Internal Server Error nbconvert failed: Pandoc wasn’t found. Please check that pandoc is installed:问题2

Python,IPython,qtconsole,Jupyter Notebook快速安装教程 下一篇：IPython、Notebook、qtconsole使用教程下一篇Python数据科学安装Numby,pandas,scipy,matpotlib等（IPython安装pandas） 最近深入Python的数据分析方面，为了进一步优化工具决定自己动手安装，可是看到安装文档基本千篇一律，跟不上版本变

spark编程python实例ValueError: Cannot run multiple SparkContexts at once; existing SparkContext(app=PySparkShell, master=local[])1.pyspark在jupyter notebook中开发，测试，提交1.1.启动IPYTHON_OPTS="notebook" /opt/spark/

用python做数据分析离不开几个好的轮子（或称为科学棧/第三方包等），比如matplotlib，numpy, scipy, pandas, scikit-learn, gensim等，这些包的功能强大，丰富，包括含了绘图，机器学习，爬虫，数据分析等等。而开发工具推荐使用pycharm或者Jupyter notebook（ipython notebook）。开发起来的样子是这样的。 此方法，同时适

ubuntu安装pgAdmin4，通过python的pip 安装 pgAdmin4.(首更时间20161205) 新版本的pgAdmin4目前支持mac/window/linux/python，可是linux中只用YUM可以直接安装，而其他发行版只能通过python来安装pgAdmin4。 ubuntu16.04.1通过python3(Python2也可以)安装pgAdmin4。注意，官网推荐使

1.场景，在windows浏览器中打开Linux环境下的jupyter notebook。Jupyter notebook 服务，Spark计算环境在Linux服务器中，而工作环境是windows。在windows下使用jupyter notebook环境进行开发、调试。配置文件Github源码然后在windows下编程即可调试2.安装python和jupyter notebook（spark部署略可参考我其他博文）

概述：基于Docker的TensorFlow机器学习框架搭建和实例源码解读，TensorFlow作为最火热的机器学习框架之一，Docker是的容器，可以很好的结合起来，为机器学习或者科研人员提供便捷的机器学习开发环境，探索人工智能的奥秘，容器随开随用方便快捷。源码解析TensorFlow容器创建和示例程序运行，为热爱机器学者降低学习难度。默认机器已经装好了Docker（Docker安装和使用可以看我

Python之数据聚合与分组运算1. 关系型数据库方便对数据进行连接、过滤、转换和聚合。2. Hadley Wickham创建了用于表示分组运算术语“split-apply-combine”（拆分-应用-合并）。3. GroupBy的size方法，它可以返回一个含有分组大小的Series。4. gorupby对分组进行迭代，可以产生一组二元元组（由分组名和数据块组成）。5. 选取一个或以组列对于由G

Python之绘图和可视化1. 启用matplotlib最常用的Pylab模式的IPython（IPython --pylab）2. matplotlib的图像都位于Figure对象中。可以使用plt.figure创建一个新的Figure，不能通过空Figure绘图，必须用add_subplot创建一个或多个subplotaxes[0,1]可以通过sharex和sharey指定subplot应该具

IPython、Notebook、qtconsole使用教程 上一篇为Python,IPython,qtconsole,Notebook,Jupyter快速安装教程1. 使用IPython自动补全功能，使用tab键，如输入im后按tab键，可自动补全import。进入IPython，CMD中输入ipython退出IPython，CMD中输入quit() 使用魔法指令% %run test.

IPython开发实践1. IPython有行号。2. Tab键自动完成，当前命名空间任何与已输入字符串相匹配的变量就会被找出来。3. 内省机制，在变量前或者后面加上（？）问号，就可以将该对象的一些通用信息显示出来。（？？）两个问号显示源码。4. （一个下划线）和_(两个下划线)分别表示最近两个输出结果。5. 与操作系统交互。可以执行shell命令，如更改目录、将命令的执行结果保存在Python对象

NumPy实践之数组和矢量计算1. NumPy（Numerical Python）是高性能科学技术和数据分析的基础包。2. NumPy的ndarray:一种对位数组对象。NumPy最重要的一个特点是其N维数组对象（即ndarray），该对象是是一个快速而灵活的大数据集容器。3. 创建ndarray data1 = [1,2.4,4,3,0] arr1 = np.array(data1)

Python在云端编程之IPython notebook如果本地编程考虑到Python版本，机器位数，编译环境，科学栈安装等等繁琐的事，弄得你焦头烂额，不如移步云端，省去这些繁琐过程，在云端编程是很享受的事，当前你只需要：有网，有浏览器——就行！已经内置了科学栈Numpy、pandas等等，不管是科研还新手都可以即刻开始！1.打开网址Wakari（https://wakari.io/）简单注册即可2

Python之Pandas中Series、DataFrame实践1. pandas的数据结构Series1.1 Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。1.2 Series的字符串表现形式为：索引在左边，值在右边。2. pandas的数据结构DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同

Python之pandas数据加载、存储与文件格式0. 输入与输出大致可分为三类:0.1 读取文本文件和其他更好效的磁盘存储格式2.2 使用数据库中的数据0.3 利用Web API操作网络资源1. 读取文本文件和其他更好效的磁盘存储格式pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。1.1 pandas中的解析函数： read_csv 从文件、U

Python数据科学安装Numby,pandas,scipy,matpotlib等（IPython安装pandas）如果还没有本地安装Python、IPython、notebook等请移步上篇 Python,IPython,qtconsole,Notebook,Jupyter快速安装教程 本教程是安装二进制文件，以Windows10 64位操作系统为例，但是二进制文件对应其他Linux和mac os

Python之数据规整化：清理、转换、合并、重塑1. 合并数据集pandas.merge可根据一个或者多个不同DataFrame中的行连接起来。pandas.concat可以沿着一条轴将多个对象堆叠到一起。实例方法combine_first可以将重复数据编接在一起，用一个对象中的值填充另一个对象中的缺失值。2. 数据风格的DataFrame合并操作2.1 数据集的合并（merge）或连接（ji

大数据 big-data 转载请注明出处与作者信息（如下）原创作者：王小雷作品出自：https://github.com/wangxiaoleiAI/big-data联系邮件：wov@outlook.comStar Fork Follow 评论 issues项目地址 https://github.com/wangxiaoleiAI/machine-learning...